深度解析医学证据，DeepEvidence为你支撑决策   近年来，学术界成为全球心理健康危机的重灾区，数据显示全球22.3%的大学生曾出现自杀意念，巴西本科生自杀行为患病率更是高达9.10%，博士生和高校教职工的风险同样居高不下。长期以来，抑郁被公认为自杀意念最核心的预测指标，但临床实践中频繁出现无明显抑郁症状却产生自杀想法的案例，提示现有筛查体系存在重大漏洞。近日，发表在《柳叶刀区域健康-美洲》的一项里程碑式研究，利用机器学习技术首次量化了抑郁之外多维度因素的贡献，为学术界自杀风险的精准防控打开了新局面。     该研究纳入了巴西3828名学术界人士，涵盖本科生、研究生、教职员工及行政人员，其中女性占67.63%，黑人占33.25%，平均年龄38.28岁。研究团队创新性地采用稀疏多核学习（MKL）模型，整合了抑郁症状、乐观水平、孤独感、童年情感虐待经历及人口学特征五大类数据，不仅能实现个体层面的自杀风险分类，还能精准量化每个量表乃至单个条目的预测权重。为解决自杀意念数据普遍存在的类不平衡问题，研究通过50次随机欠采样结合嵌套5折交叉验证，确保了模型结果

上一篇： 肠道菌群掌控情绪？饮食 - 脑轴破解心理...

下一篇： 方案与建议|抑郁症光照治疗临床操作规范与...